基于RGBD和惯性输入的实时室内场景重建

news2024/9/21 16:43:12

来源：投稿作者：小灰灰
编辑：学姐

论文标题：《REAL-TIME INDOOR SCENE RECONSTRUCTION WITH RGBD AND INERTIA INPUT》

论文链接：https://arxiv.org/pdf/2008.00490.pdf

代码链接：https://github.com/CWanli/RecoNet

数据集：PASCAL-VOC12、PASCAL-Context、COCO Stuff、ADE20K和SIFT-FLOW

快速运动是为了增强现实，或者混合现实。

主要用于商业和公司的人，随意的运动，增强现实打cs游戏，会设计到大量的跑，运动，快速的头部旋转，这样会导致彩色的图片会发生模糊，现有的算法不能去处理这些情况。

在机器人上需要快速运动，在商用上，物流分拣，用的最多的就是慢速的运动，没有考虑到这种情况。

而摄像机运动估计是三维场景重建和同步定位与映射（SLAM）的关键技术。

为了使其切实可行，以前的工作通常假设相机运动缓慢，这限制了它在许多实际情况下的使用。

我们提出了一种端到端的三维重建系统，该系统结合了颜色、深度和惯性测量，通过快速的传感器运动实现稳健的重建。

我们的框架扩展了卡尔曼滤波器来融合这三种信息，并涉及一种迭代方法来联合优化特征对应、相机姿态和场景几何。

我们还提出了一种新的几何感知面片变形技术，以适应图像域中的特征外观，从而在快速相机运动下实现更精确的特征匹配。

研究背景

为什么会出现模糊？

一是因为相机在曝光时间内的运动所导致的，如下图可见，虚线代表上一阶段的相机，实线代表当前相机，相机看见真实场景的红色和绿色点，当我们看见相机运动时，就会出现相定区域的模糊。

二是相机到场景的距离有关。

三是与相机的运动状态有关。相机平移和相机旋转的不同。

解决图像模糊的已有的方法：

1、曝光时间，减少曝光时间，增大光圈量，这样SNR就会不好。

2、使用特征点匹配的方法，拿一张图片去提取特征点，特征描述子很难提取，最终导致相机追踪失败。

3、直接法，可以很好适应，计算的是光度误差，两帧图像运动的相对位置是相同速度的，会遇到收缩膨胀效益。如下图的黑色块就是膨胀效益。

4、ICP算法，很容易陷入局部最优解，得出相机失败，和定位错误。

此图显示了由相机运动和面片几何形状引起的面片SE效果。

网络结构

输入，我们输入的是一个彩色图像，深度图像(记录一个相机到一个场景区域或者一个三维点的距离)和IMU(记录的是传感器自身的平移加速度和角速度)

采用迭代扩展卡尔曼滤波的这样一个框架。红、绿、蓝箭头分别表示当前帧的输入、迭代操作和上一帧的patch，该方法主要由四部分组成：几何感知特征跟踪，探索滤波效果并进行斑块变形;滤波框架，解释卡尔曼预测和更新步骤;模型融合和patch更新。

首先输入IMU 通过卡尔曼预测去得到pose，预测的pose输入图3的Projection，去检测收缩膨胀效益，同时对patch去做变形，然后把变形后的patch做直接法的匹配，去计算一个光度误差，同时我们的输入有区块的几何信息，可以去计算区块的几何误差，我们有两个能量值，一个光度误差，一个几何误差，将两个误差加在一起得到一个能量值，我们把这个能量值当作更新里面估计的观测值，真实观测值为0，虚框里面去做一个卡尔曼更新，更新出更好相机的pose，我们将第二个pose重新放回虚框里面，去根据图3去做进一步的优化，更新之后我们利用pose，去做模型的融合，讲模型输入去更新patch。